【摘要】：地表溫度是表征氣候變化的重要環(huán)境參數(shù)。衛(wèi)星熱紅外遙感作為全球和區(qū)域地表溫度獲取的重要手段,其較低的空間分辨率(六十米到幾十千米),無法滿足高異質(zhì)城市環(huán)境中復(fù)雜地表溫度變化監(jiān)測(cè)的需求。地表溫度空間降尺度是融合中低分辨率熱紅外數(shù)據(jù)和高分辨率可見光/近紅外數(shù)據(jù),獲取高分辨率地表溫度的重要手段。國(guó)產(chǎn)高分一號(hào)、高分二號(hào)衛(wèi)星高空間分辨率、高定位精度、高整星機(jī)動(dòng)能力的優(yōu)勢(shì),為地表溫度空間降尺度的研究提供了良好的數(shù)據(jù)基礎(chǔ)。然而,目前國(guó)內(nèi)外地表溫度空間降尺度研究中,估算高分辨率(米級(jí))地表溫度的研究較少,現(xiàn)有研究忽略了同類地物反射光譜和熱特性存在變異性這一問題,特別是在高分辨率下,類內(nèi)的變異性更大,極大影響了高分辨率地表溫度估算的準(zhǔn)確性。針對(duì)上述問題,本文基于國(guó)產(chǎn)高分一號(hào)(GF-1)、高分二號(hào)(GF-2)多光譜影像和Landsat-8熱紅外影像,圍繞同類地物反射光譜和熱特性存在變異性這一事實(shí),引入面向?qū)ο蟮膱D像分析和多端元混合像元分解方法,開展地表溫度空間降尺度的方法和應(yīng)用研究。具體研究?jī)?nèi)容如下:(1)多端元對(duì)象混合像元分解方法。集成面向?qū)ο蟮膱D像分析和多端元混合像元分解方法的優(yōu)勢(shì),針對(duì)高分辨率影像,提出基于影像分割和局部最小平均光譜角(Minimum Average Spectral Angle,MAS A)的多端元對(duì)象混合像元分解方法(Multiple Endmember Object Spectral Mixture Analysis,MEOSMA),通過解決傳統(tǒng)多端元混合像元分解方法在端元光譜抽取和端元集優(yōu)化方面的不足,進(jìn)一步降低類內(nèi)變異性對(duì)光譜混合分解的影響。(2)基于MEOSMA的地表溫度空間降尺度方法。依托國(guó)產(chǎn)GF-1、GF-2多光譜影像和Landsat-8熱紅外遙感影像,基于MEOSMA和線性熱混合模型,提出了MEOSMA-TM(Multiple Endmember Object Spectral Mixture Analysis and Thermal Mixing)地表溫度空間降尺度方法,有效解決了同類地物反射光譜和熱特性變異性大的問題,實(shí)現(xiàn)了高空間分辨率地表溫度的估算,并分別與降尺度前地表溫度和杭州市國(guó)家基準(zhǔn)氣象站實(shí)測(cè)地表溫度數(shù)據(jù)進(jìn)行比較,具有較好的準(zhǔn)確性。(3)基于MEOSMA-TM的杭州市交通網(wǎng)絡(luò)對(duì)城市地表溫度場(chǎng)的影響研究。基于MEOSMA-TM方法計(jì)算杭州市主城區(qū)多個(gè)時(shí)相的高空間分辨率地表溫度數(shù)據(jù),分析杭州市主城區(qū)地表溫度場(chǎng)的時(shí)空分布特征;利用網(wǎng)格分析、緩沖區(qū)分析、空間統(tǒng)計(jì)分析等方法,研究交通路網(wǎng)密度、不同等級(jí)道路、綠化形式、交通樞紐對(duì)城市地表溫度的影響。研究成果提高了高分辨率遙感影像混合像元分解和高分辨率地表溫度估算的精度,推動(dòng)了國(guó)產(chǎn)高分辨率衛(wèi)星影像在城市熱環(huán)境研究中的應(yīng)用,對(duì)于小尺度城市熱環(huán)境的研究具有重要的意義,對(duì)于城市土地利用規(guī)劃、城市生態(tài)環(huán)境管理、交通路網(wǎng)規(guī)劃等相關(guān)領(lǐng)域具有重要的應(yīng)用價(jià)值。
[Abstract]:Surface temperature is an important environmental parameter to characterize climate change. Satellite thermal infrared remote sensing as an important means of global and regional surface temperature acquisition, its low spatial resolution (60 meters to tens of kilometers), can not meet the needs of complex surface temperature monitoring in highly heterogeneous urban environment. The spatial downscaling of surface temperature is an important method to obtain high resolution surface temperature by integrating low and low resolution thermal infrared data with high resolution visible / near infrared data. The advantages of high spatial resolution, high positioning accuracy and high maneuverability of the satellites made in China provide a good data basis for the study of the spatial downscaling of surface temperature. However, there are few researches on estimating the surface temperature at high resolution (meter level) in the space downscaling study of surface temperature at home and abroad, and the problem of variability of reflectance spectrum and thermal characteristics of similar ground objects is neglected in existing researches. Especially at high resolution, the intra-class variability is greater, which greatly affects the accuracy of high-resolution surface temperature estimation. In view of the above problems, this paper bases on the multispectral images of domestic high score 1 (GF-1), high score 2 (GF-2) and Landsat-8 thermal infrared images, and revolves around the fact that the reflectance spectra and thermal characteristics of similar ground objects have variability. Object-oriented image analysis and multi-terminal element mixed pixel decomposition are introduced to study the downscaling of surface temperature space and its application. The main contents are as follows: (1) Multi-terminal object mixed pixel decomposition method. Integrating the advantages of object-oriented image analysis and multiterminal hybrid pixel decomposition, a new method based on image segmentation and local minimum average spectral angle (Minimum Average Spectral Angle,) is proposed for high-resolution images. MAS A) 's mixed pixel decomposition method (Multiple Endmember Object Spectral Mixture Analysis,MEOSMA) solves the shortcomings of traditional multiterminal object mixed pixel decomposition methods in endmember spectral extraction and endset optimization. The influence of intra-class variability on spectral mixing decomposition is further reduced. (2) the surface temperature spatial downscaling method based on MEOSMA. Based on the domestic GF-1,GF-2 multispectral images and Landsat-8 thermal infrared remote sensing images, based on the MEOSMA and linear heat mixing model, a spatial downscaling method of MEOSMA-TM (Multiple Endmember Object Spectral Mixture Analysis and Thermal Mixing) surface temperature is proposed. It effectively solves the problem of high variability of reflectance spectrum and thermal characteristics of similar ground objects, and realizes the estimation of surface temperature with high spatial resolution. And compared with the downscaling surface temperature data and the measured surface temperature data of Hangzhou National benchmark Meteorological Station, it has good accuracy. (3) the influence of Hangzhou traffic network based on MEOSMA-TM on the urban surface temperature field is studied. Based on the MEOSMA-TM method, the high spatial resolution surface temperature data of several time phases in the main urban area of Hangzhou are calculated, and the space-time distribution characteristics of the surface temperature field in the main urban area of Hangzhou are analyzed. By means of grid analysis, buffer analysis and spatial statistical analysis, the effects of traffic network density, different grade roads, greening forms and traffic hubs on urban surface temperature are studied. The research results improve the accuracy of mixed pixel decomposition and high-resolution surface temperature estimation of high-resolution remote sensing images, and promote the application of domestic high-resolution satellite images in the study of urban thermal environment. It is of great significance for the study of small scale urban thermal environment, and has important application value for urban land use planning, urban ecological environment management, traffic network planning and other related fields.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：P407

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王宇;全球地表溫度100年內(nèi)將上升1.4至5.8攝氏度[J];生態(tài)經(jīng)濟(jì);2004年06期

2 陳順云;馬瑾;劉培洵;劉力強(qiáng);;中國(guó)大陸地表溫度年變基準(zhǔn)場(chǎng)研究[J];地球物理學(xué)報(bào);2009年09期

3 徐永明;覃志豪;沈艷;;長(zhǎng)江三角洲地區(qū)地表溫度年內(nèi)變化規(guī)律與氣候因子的關(guān)系分析[J];國(guó)土資源遙感;2010年01期

4 李慧,翁篤鳴;丘陵山區(qū)地表溫度場(chǎng)日間變化的簡(jiǎn)單推算[J];氣象;1993年01期

5 高志強(qiáng),劉紀(jì)遠(yuǎn);基于陸面模式和遙感技術(shù)的地表溫度比較[J];地理學(xué)報(bào);2003年04期

6 高晴,柳欽火,黃海洋;地表溫度過程的時(shí)間序列分析[J];電子科技大學(xué)學(xué)報(bào);2004年03期

7 錢樂祥;;城市熱島研究中地表溫度與植被豐度的耦合關(guān)系[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

8 張春玲;余華;宮鵬;居為民;;基于遙感的土地利用空間格局分布與地表溫度的關(guān)系[J];遙感技術(shù)與應(yīng)用;2008年04期

9 陳公德;徐建華;戴曉燕;董山;;運(yùn)用遙感數(shù)據(jù)挖掘解析城市地表溫度的空間變異規(guī)律[J];遙感技術(shù)與應(yīng)用;2008年04期

10 彭征;廖和平;郭月婷;李清;;山地城市土地覆蓋變化對(duì)地表溫度的影響[J];地理研究;2009年03期

相關(guān)會(huì)議論文 前10條

1 李秀霞;南穎;;基于遙感技術(shù)的延吉市地表溫度現(xiàn)狀分析[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

2 曹廣真;毛顯強(qiáng);李貴才;王今殊;劉勇洪;;北京市地表溫度的變化及驅(qū)動(dòng)力分析[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)氣候變化分會(huì)場(chǎng)論文集[C];2007年

3 潘衛(wèi)華;陳家金;李文;;福建省地表溫度分布特征的遙感動(dòng)態(tài)監(jiān)測(cè)[A];華東地區(qū)農(nóng)學(xué)會(huì)學(xué)術(shù)年會(huì)暨福建省科協(xié)第七屆學(xué)術(shù)年會(huì)農(nóng)業(yè)分會(huì)場(chǎng)論文集[C];2007年

4 侯光雷;張洪巖;張正祥;;基于熱紅外數(shù)據(jù)的地表溫度反演算法綜述[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

5 鄧玉嬌;王捷純;黃曉云;;土地利用類型對(duì)地表溫度影響的綜合評(píng)價(jià)指數(shù)[A];第28屆中國(guó)氣象學(xué)會(huì)年會(huì)——S1第四屆氣象綜合探測(cè)技術(shù)研討會(huì)[C];2011年

6 俞布;繆啟龍;徐永明;李瀟瀟;張瑋瑋;;城市下墊面類型與地表溫度之間的關(guān)系分析[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)城市氣象，，讓生活更美好分會(huì)場(chǎng)論文集[C];2010年

7 周紀(jì);劉聞?dòng)?占文鳳;;集成多源遙感數(shù)據(jù)估算逐時(shí)地表溫度[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

8 錢樂祥;崔海山;;珠江三角洲地表水汽特征與地表溫度的關(guān)系[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

9 張興強(qiáng);;魯中山區(qū)地表溫度和土地利用變化特征[A];第31屆中國(guó)氣象學(xué)會(huì)年會(huì)S11 第三屆城市氣象論壇—城市與環(huán)境氣象[C];2014年

10 孟憲紅;呂世華;張宇;張?zhí)锰?;使用LANDSAT-5 TM數(shù)據(jù)反演金塔地表溫度[A];中國(guó)氣象學(xué)會(huì)2005年年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前7條

1 記者 柴野;德國(guó)地表溫度高達(dá)攝氏50度[N];光明日?qǐng)?bào);2013年

2 卞吉;預(yù)報(bào)氣溫并非地表溫度[N];中國(guó)氣象報(bào);2012年

3 美惠;氣候變暖令沙漠更加荒涼[N];大眾科技報(bào);2009年

4 采訪人 本報(bào)通訊員 秦振　卓靜;世園綠島貢獻(xiàn)率達(dá)2.4%[N];中國(guó)氣象報(bào);2011年

5 劉妍;二氧化碳曾保護(hù)地球不挨凍[N];北京科技報(bào);2007年

6 本報(bào)駐日內(nèi)瓦記者 李肇東;2001年氣候異常為歷史罕見[N];光明日?qǐng)?bào);2002年

7 本報(bào)記者 黃芍　王湖錄;在烈日和高溫下[N];欽州日?qǐng)?bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 張逸然;地表溫度空間降尺度方法及其基于國(guó)產(chǎn)高分影像的應(yīng)用研究[D];浙江大學(xué);2017年

2 劉佳;利用鉆孔溫度梯度重建過去地表溫度變化研究[D];蘭州大學(xué);2015年

3 段四波;高空間分辨率全天候地表溫度反演方法研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2016年

4 魏然;多源遙感地表溫度數(shù)據(jù)時(shí)空融合研究及應(yīng)用[D];武漢大學(xué);2016年

5 王猛猛;地表溫度與近地表氣溫?zé)峒t外遙感反演方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

6 彭征;重慶市中心城區(qū)土地利用/覆蓋變化及其對(duì)地表溫度影響研究[D];西南大學(xué);2009年

7 張金區(qū);珠江三角洲地區(qū)地表熱環(huán)境的遙感探測(cè)及時(shí)空演化研究[D];中國(guó)科學(xué)院研究生院（廣州地球化學(xué)研究所）;2006年

8 戴曉燕;基于遙感數(shù)據(jù)挖掘定量反演城市化區(qū)域地表溫度研究[D];華東師范大學(xué);2008年

9 謝啟姣;城市熱島演變及其影響因素研究[D];華中農(nóng)業(yè)大學(xué);2011年

10 蔡國(guó)印;基于MODIS數(shù)據(jù)的地表溫度、熱慣量反演研究及其在土壤水分、地氣間熱交換方面的應(yīng)用[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

相關(guān)碩士學(xué)位論文 前10條

1 王駿飛;西（安）咸（陽）新區(qū)城市地表溫度遙感反演及其變化研究[D];西南大學(xué);2015年

2 袁亞雄;基于IDL的熱紅外遙感空間降尺度研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 楊學(xué)森;基于單通道算法的Landsat8衛(wèi)星數(shù)據(jù)地表溫度反演研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

4 孫舒婷;大興安嶺森林地表溫度的遙感估算及分析研究[D];東北林業(yè)大學(xué);2015年

5 羅永琴;基于TVDI模型的遙感旱情監(jiān)測(cè)研究[D];云南師范大學(xué);2015年

6 朝力格爾;內(nèi)蒙古東部地區(qū)作物產(chǎn)量對(duì)氣候變化的響應(yīng)[D];內(nèi)蒙古師范大學(xué);2015年

7 胡實(shí);北京市主要城區(qū)近20年不透水面動(dòng)態(tài)變化特征及其熱環(huán)境研究[D];新疆大學(xué);2015年

8 黃帆;基于離散時(shí)間序列觀測(cè)的地溫日變化模擬研究[D];南京大學(xué);2015年

9 宋彩英;基于Landsat8的地表溫度像元分解算法研究[D];南京大學(xué);2015年

10 曾靜;城市土地利用變化對(duì)地表溫度影響的遙感監(jiān)測(cè)[D];廣西師范大學(xué);2015年

本文編號(hào)：2351542